1樓：魏秀參
首先，談談為什麼資料不平衡（unbalanced data）的時候分類會出問題。因為分類器在設計的時候都是優化某個loss函式的，比如優化accuracy，使得acc較高。那麼假如對二類分類來說（0和1兩類），若訓練集中0類佔90%而1類佔10%，那麼分類器傾向於將所有樣本都劃為0類，這樣我就在訓練集上可以有90%正確率了。
這也造成了分類器向0類偏斜，從而導致分類泛化效能變差。
對於資料不平衡一般有如下幾種處理方式：1. 代價敏感學習（cost sensitive）：
簡而言之就是將樣本少的類別設定較大的懲罰因子，不過這種方法對懲罰因子特別敏感，實踐中需要耐心調參；2. sampling：上取樣（up sampling）或下取樣（under sampling）。
上取樣的話是針對樣本較少的類，將其複製多份以達到類別平衡，或使用SMOTE方法；下取樣則是針對樣本較多的類，在剛才的例子中就是按照1類的數目（樣本較少的類）從0類中（樣本多的類）取等量的樣本，構成平衡的訓練集；3. easy ensemble：這是整合演算法中最簡單的方法之一，針對樣本不平衡一般都會有優異表現。
具體做法是，從0類中（樣本多的類）中取1類等量樣本，並且不重複的取多次，構成多個訓練集，最終使得0類樣本均參與訓練一次。之後，將多次訓練得到分類器做模型融合。以上。
2樓：
實際業務中會經常遇到非均勻分類問題，之前我遇到的資料集大概是15:1，解決方案一般是對正樣本過抽樣，對負樣本欠抽樣。然後構建新的資料集使得正負比例大概在1:
3就可以達到比較好的結果了。在r裡面的DMwR包中有實現，請查詳情
決策樹教程
維娜微辣 現在買也來得及啊，才48歲，買夠15年，也就63歲，就可以拿退休金了。你媽媽在時間上虧一點點，你爸本來就60才能退休，差不多年紀啊。 螞蟻社保CEO 一次性補繳15年養老保險，大概9萬多元，退休後每月領取大概1300多元養老金，是2011年之前的政策了。為了保證養老保險制度健康穩定發展，2...
決策樹如何對連續性特徵進行分段？
並不用考慮每乙個example,對第i個feature，首先以feature i 為key sort feature i,label i 然後將label 有變動的地方作為可能的劃分點，比如 label 為 1，1，0，0，0，1 只需要考慮兩個地方即 1，1 後面和 1，1，0，0，0 後面。對於...
如何最簡單 通俗地理解決策樹演算法？
雲朵 決策樹 Decision tree 是一種基本的分類與回歸方法，是一種非引數的有監督學習方法。決策樹是一種樹狀結構，它的每乙個葉子結點對應著乙個分類，非葉子結點對應著在某個屬性上的劃分，根據樣本在該屬性上的不同取值降氣劃分成若干個子集。其基本原理是通過遞迴切割的方法來尋找最佳分類標準，進而最終...